Kategooriline muutuja on see, mis võimaldab klassifitseerida andmerida kindla kvaliteedi või kategooriaga seotud püsiväärtuste abil.
Kategooriline muutuja, erinevalt kardinaalsetest või pidevatest muutujatest (mis võimaldavad arvulisi arvutusi), klassifitseerib üksikisikud või juhtumid. Tavaliselt võtavad need väärtused, mida esindavad täisarvud, näiteks üks või null, kuid need on lihtsalt esitused.
Näites näeme seda üksikasjalikumalt.
Erinevused kategoorilise ja pideva muutuja vahel
Kategoorilise muutuja ja pideva või kardinaalse muutuja vahel on mõned erinevused, mis peaksid olema teada. Vaatame kõige asjakohasemaid.
- Esiteks kasutatakse kategoorilist muutujat rühmitamiseks ja pidevat muutujat loendamiseks. Teisisõnu, esimene võimaldab kategooriaid moodustada andmeseeriaga. Näiteks laste sugu või arv. Teine annab meile arvulise teabe. Näiteks vanus.
- Kardinaalne muutuja võimaldab arvulisi arvutusi, teised mitte. Nii saame esimeses teada keskmised või dispersioonid, teistes aga ainult mõned andmed, näiteks režiim või kategooriate protsent.
- Kategoorilistest on väga kasulik teada kvalitatiivset teavet, st andmete mõningast kvaliteeti. Pidevad pakuvad meile kvantitatiivseid andmeid, st numbritega tähistatud koguseid ja väärtusi.
Kategooriliste muutujate statistilised võtted
Järgmisena vaatame kategoorilistes muutujates kõige enam kasutatavaid statistilisi võtteid, võrreldes neid pidevate või kardinaalsete muutujate omadega.
- Kirjeldav statistika: Seda tüüpi muutujate puhul põhinevad analüüsid tavaliselt muu hulgas tulp- ja protsentdiagrammidel. Kardinalid võimaldavad rakendada analüüsimeetodeid positsioonistatistika, näiteks kvantiilide, või hajumisstatistika, näiteks dispersioonide arvutamiseks.
- Hüpoteesi kontrastsus: Kategoorilises osas saab tulemusi ekstrapoleerida mitteparameetriliste hüpoteesitestide abil. Teisalt kasutavad pidevad parameetrilisi kontraste, mida võib ka järeldada.
- Regressioonivõtted: Sel juhul kasutatakse esimese puhul muu hulgas logistilist regressiooni või muud sarnast. Teist tüüpi muutujate puhul on enim kasutatav meetod lineaarne regressioon.
Kategoorilise muutuja näide
Lõpetuseks vaatame turunduses väga levinud näidet. Kujutame ette, et tahame toodet müüa ja oleme huvitatud perekonnaseisu tundmisest.
Selleks määrame 1 vallalisele, 2 abielus, 3 lahutatud, 4 partnerile ja 5 teistele.
Vaatame pilti ja siis kommenteerime seda:
Selles näeme, et kõige suurem protsent üksikisikuid on vallalised, abielus ja lahutatud, ülejäänud kaks võimalust on vaid 5%.
Nagu näeme, on kategoorilised muutujad rühmitamiseks kasulikud. Tulbadiagramm võimaldab meil neid protsente paremini jälgida, kuna ribade suurust on lihtsam võrrelda.